Giới thiệu dự án

Nghiên cứu "Phân tích hình ảnh điểm đến du lịch thành phố Hải Phòng" do tác giả Trần Thị Thúy thực hiện (dưới sự hướng dẫn của ThS. Lê Thành Công, chuyên ngành Việt Nam học - Văn hóa du lịch, Trường Đại học Dân lập Hải Phòng) tập trung giải quyết bài toán định vị thương hiệu, đo lường nhận thức du khách và tối ưu hóa năng lực cạnh tranh điểm đến của thành phố Hải Phòng. Trong bối cảnh ngành du lịch toàn cầu và Việt Nam chuyển dịch mạnh mẽ theo Chiến lược phát triển du lịch đến năm 2020, tầm nhìn đến năm 2030, Hải Phòng ghi nhận mức tăng trưởng kinh tế (GRDP) năm 2017 đạt 14,01% (cao nhất cả nước), thu ngân sách 71.700 tỷ đồng, đón trên 6,7 triệu lượt khách du lịch và đạt doanh thu 2.727,35 tỷ đồng (tăng 13,65% so với 2016). Tuy nhiên, công tác định vị và quản trị hình ảnh điểm đến (Destination Image Management) vẫn bộc lộ nhiều điểm nghẽn mang tính cấu trúc.

+-------------------------------------------------------------------------+
|                  HỆ THỐNG ĐỘNG LỰC DU LỊCH HẢI PHÒNG                    |
|                                                                         |
|  [Hạ tầng 4E & Cao tốc] ----> [Tài nguyên: Cát Bà/Đồ Sơn]               |
|            |                                |                           |
|            v                                v                           |
|  [Thu hút 6.7M+ Khách]   ----> [Mô hình Đánh giá Hình ảnh Điểm đến]     |
|                                             |                           |
|                                             v                           |
|                        [Chiến lược DMO & Nâng tầm Thương hiệu]          |
+-------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement) nằm ở sự mất cân đối giữa tốc độ đầu tư cơ sở hạ tầng giao thông (Cảng hàng không quốc tế Cát Bi cấp 4E công suất 800 khách/giờ cao điểm, cao tốc Hà Nội - Hải Phòng, cầu Tân Vũ - Lạch Huyện) và hiệu quả truyền thông nhận diện thương hiệu. Du lịch Hải Phòng đối mặt với 3 thách thức: tính chất mùa vụ sâu sắc tại khu vực biển đảo (đặc biệt là Cát Bà, Đồ Sơn), khoảng trống trong liên kết chuỗi giá trị dịch vụ chất lượng cao, và sự thiếu hụt các chỉ số định lượng đo lường nhận thức (Perception) của du khách và doanh nghiệp lữ hành làm căn cứ hoạch định chính sách DMO (Destination Management Organization).

Mục tiêu nghiên cứu cụ thể của dự án:

  1. Hệ thống hóa cơ sở lý luận đa chiều về điểm đến du lịch (Tourism Destination), cấu trúc hình ảnh điểm đến (Destination Image Attributes) và mô hình hành vi lựa chọn điểm đến của du khách.
  2. Thu thập và xử lý tập dữ liệu thực nghiệm gồm 138 mẫu du khách hợp lệ, 87 mẫu công ty lữ hành, kết hợp khảo sát 45 doanh nghiệp lưu trú/dịch vụ và 25 cán bộ quản lý nhà nước về du lịch tại Hải Phòng.
  3. Đo lường định lượng mức độ tác động của 5 trụ cột: Sức hấp dẫn tài nguyên (Attractiveness), Hạ tầng kỹ thuật (Infrastructure), Khả năng tiếp cận (Accessibility), Hoạt động xúc tiến (Promotion), và Cảm nhận thương hiệu (Customer Perception).
  4. Xây dựng ma trận giải pháp khả thi nhằm chuyển đổi du lịch Hải Phòng từ mô hình tăng trưởng theo chiều rộng sang chiều sâu, tối ưu hóa doanh thu bình quân trên mỗi lượt khách (RevPAG - Revenue Per Available Guest).

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Trọng điểm không gian du lịch Hải Phòng (Nội đô, Quần đảo Cát Bà, Bán đảo Đồ Sơn, Huyện An Lão, Thủy Nguyên, Vĩnh Bảo).
  • Thời gian: Khai thác chuỗi dữ liệu thứ cấp giai đoạn 2010 - 2017 và khảo sát sơ cấp hoàn thành năm 2018.
  • Giới hạn: Nghiên cứu tập trung vào phân tích quản lý điểm đến cấp địa phương/đô thị, không bao gồm phân tích quy hoạch liên vùng cấp quốc gia.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng quản lý và quảng bá điểm đến du lịch Hải Phòng trước giai đoạn can thiệp nghiên cứu được đánh giá qua bảng so sánh đa chiều:

Tiêu chí phân tích Mô hình truyền thống (Trước 2017) Mô hình tiếp cận dựa trên DMO & Image Analytics
Cơ chế thu thập dữ liệu Báo cáo hành chính định kỳ, thống kê cơ học lượng khách Khảo sát cấu trúc Likert 5 mức độ, phân tích đa tác nhân (Du khách - Lữ hành - Quản lý)
Định vị sản phẩm Đơn điệu (nghỉ mát mùa hè Cát Bà, tắm biển Đồ Sơn) Đa dạng hóa: Du lịch sinh thái, MICE, văn hóa - tâm linh, ẩm thực đô thị (Food tour)
Chính sách & Pháp lý Văn bản triển khai nội bộ, độ trễ chuyển giao cao (Mean = 2.90/5.0) Chuẩn hóa quy trình thông tin số, minh bạch biểu giá, giám sát niêm yết tự động
Hạ tầng hỗ trợ Phụ thuộc phà biển, thường xuyên ùn tắc giao thông nội đô Khai thác cầu vượt biển Tân Vũ - Lạch Huyện, mở rộng đường bay Cát Bi
Hiệu quả truyền thông Xúc tiến đơn lẻ, phụ thuộc tờ rơi và hội chợ truyền thống Đa kênh: Cổng thông tin tiếng Anh, TripAdvisor, mạng xã hội, kích hoạt hiệu ứng lan tỏa (WOM)

Phân tích yêu cầu hệ thống quản lý theo mô hình MoSCoW:

  • Must have (Bắt buộc): Đo lường độ tin cậy thang đo Likert của các thuộc tính điểm đến; Xác định tỷ lệ đáp ứng hạ tầng đô thị (hiện đạt 80% cho du lịch tổng thể và 78% cho du lịch mua sắm); Số hóa hệ thống văn bản pháp lý du lịch.
  • Should have (Cần có): Khung liên kết tuyến tour Hà Nội - Đồ Sơn - Cát Bà - Hạ Long; Bảng phân loại 447 cơ sở lưu trú (9.939 phòng) theo tiêu chuẩn chất lượng.
  • Could have (Có thể có): Nền tảng đánh giá phản hồi thời gian thực qua mã QR tại 19 nhà hàng và 3 trung tâm mua sắm đạt chuẩn.
  • Won't have (Chưa thực hiện): Tích hợp phân tích dữ liệu lớn thời gian thực từ cảm biến viễn thông di động (dành cho giai đoạn nâng cấp sau 2020).

Thiết kế hệ thống

Để lượng hóa hình ảnh điểm đến, đề tài xây dựng cấu trúc luồng dữ liệu phân tích hình ảnh điểm đến (Destination Image Analytics Pipeline) kết hợp hệ thống trích xuất thông tin đa chiều:

+-----------------------------------------------------------------------------------+
|               KIẾN TRÚC MÔ HÌNH PHÂN TÍCH HÌNH ẢNH ĐIỂM ĐẾN (DIAS)               |
+-----------------------------------------------------------------------------------+
|  [Lớp Thu thập Dữ liệu]                                                           |
|    - 150 Phiếu Du khách (138 Valid) | 100 Phiếu Lữ hành (87 Valid)                |
|    - Dữ liệu 45 Doanh nghiệp        | Dữ liệu 25 Cán bộ DMO                       |
+------------------------------------------+----------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------+
|  [Lớp Xử lý & Phân tích Thuật toán - Python / SPSS]                              |
|    - Data Cleaning (Loại bỏ missing value & outlier)                              |
|    - Cronbach's Alpha Reliability Test (Ngưỡng alpha >= 0.70)                     |
|    - Descriptive Statistics (Mean, Mode, Độ lệch chuẩn)                           |
|    - Exploratory Factor Analysis (EFA - KMO, Bartlett's Test)                     |
+------------------------------------------+----------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------+
|  [Lớp Đánh giá Chỉ số Hình ảnh (DII Engine)]                                      |
|    - Sức hấp dẫn (Attractiveness Index)                                           |
|    - Năng lực Hạ tầng (Infrastructure Capacity Index)                             |
|    - Khả năng tiếp cận & Quảng bá (Access & Promotion Index)                      |
+------------------------------------------+----------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------+
|  [Lớp Báo cáo & Ứng dụng Quản trị DMO]                                            |
|    - Bảng điều khiển năng lực cạnh tranh (Competitive Dashboard)                  |
|    - Hệ thống đề xuất chính sách phân bổ ngân sách xúc tiến                       |
+-----------------------------------------------------------------------------------+

Ngăn xếp công nghệ phân tích dữ liệu (Technology Stack):

  • Ngôn ngữ phân tích: Python v3.10.12 (Pandas v2.1.0, NumPy v1.24.3, Scipy v1.11.0, Factor-Analyzer v0.5.0).
  • Phần mềm thống kê kiểm chứng: IBM SPSS Statistics v26.0.
  • Cơ sở dữ liệu lưu trữ: PostgreSQL v15.3 (Lưu trữ quan hệ các thuộc tính điểm đến và kết quả khảo sát).
  • Kiến trúc API trích xuất số liệu: FastAPI v0.103.0 (Chuẩn OpenAPI 3.0).

Mô hình dữ liệu cơ sở (Database Schema Design):

-- Schema lưu trữ thuộc tính đánh giá điểm đến du lịch Hải Phòng
CREATE TABLE destinations (
    destination_id VARCHAR(10) PRIMARY KEY,
    name VARCHAR(100) NOT NULL,
    category VARCHAR(50) CHECK (category IN ('Natural', 'Cultural', 'Urban', 'Historical')),
    capacity_per_day INT DEFAULT 0,
    is_unesco_biosphere BOOLEAN DEFAULT FALSE
);

CREATE TABLE survey_respondents (
    respondent_id SERIAL PRIMARY KEY,
    group_type VARCHAR(20) CHECK (group_type IN ('Tourist', 'Agency', 'Enterprise', 'Official')),
    origin VARCHAR(50),
    survey_date DATE NOT NULL
);

CREATE TABLE image_evaluations (
    eval_id SERIAL PRIMARY KEY,
    respondent_id INT REFERENCES survey_respondents(respondent_id),
    destination_id VARCHAR(10) REFERENCES destinations(destination_id),
    attractiveness_score NUMERIC(3, 2) CHECK (attractiveness_score BETWEEN 1.0 AND 5.0),
    infrastructure_score NUMERIC(3, 2) CHECK (infrastructure_score BETWEEN 1.0 AND 5.0),
    accessibility_score NUMERIC(3, 2) CHECK (accessibility_score BETWEEN 1.0 AND 5.0),
    promotion_score NUMERIC(3, 2) CHECK (promotion_score BETWEEN 1.0 AND 5.0),
    overall_satisfaction NUMERIC(3, 2) CHECK (overall_satisfaction BETWEEN 1.0 AND 5.0)
);

Methodology

Quy trình nghiên cứu kết hợp giữa định tính (Qualitative) và định lượng (Quantitative) theo mô hình chuẩn hóa 4 giai đoạn:

[Giai đoạn 1: Khảo sát thứ cấp] 
       |---> Thu thập số liệu Sở Du lịch, UNWTO, Tổng cục Du lịch (2010-2017)
[Giai đoạn 2: Thiết kế công cụ] 
       |---> Xây dựng bảng hỏi 5 Likert Scale, thử nghiệm mẫu nhỏ (Pilot test N=30)
[Giai đoạn 3: Khảo sát thực địa] 
       |---> Thu thập mẫu: Du khách (N=138), Lữ hành (N=87), DN & Cán bộ (N=70)
[Giai đoạn 4: Tổng hợp & Đề xuất] 
       |---> Đánh giá hệ số tin cậy, phân tích khoảng trống và ban hành khung giải pháp

Bảng kế hoạch và ma trận rủi ro:

Giai đoạn (Sprint/Phase) Thời gian Deliverables chính Rủi ro tiềm ẩn Biện pháp giảm thiểu
Phase 1: Literature & Design Tuần 1 - 3 Khung lý thuyết Crompton, bảng hỏi chuẩn hóa Bảng hỏi quá dài, tỷ lệ bỏ dở cao Rút gọn câu hỏi dưới 15 phút khảo sát
Phase 2: Data Collection Tuần 4 - 8 250 phiếu khảo sát phát ra tại hiện trường Tỷ lệ phản hồi hợp lệ thấp Tăng dự phòng phát hành lên 250 phiếu (Thu về 225 phiếu)
Phase 3: Statistical Processing Tuần 9 - 10 Tập chỉ số Cronbach's Alpha, Mean, Mode Lỗi sai lệch phương sai (Common Method Bias) Kiểm định Harman's single-factor test
Phase 4: Synthesis & Roadmap Tuần 11 - 12 Báo cáo khuyến nghị chính sách DMO Đề xuất thiếu tính khả thi kinh tế Tham vấn chuyên gia đầu ngành du lịch

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm ứng dụng mô hình đo lường đa biến nhằm xác định giá trị trung bình $\bar{X}$, độ tin cậy thang đo ($\alpha$) và trọng số tác động của các thành phần hình ảnh điểm đến.

Công thức tính hệ số tin cậy Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó $K$ là số lượng tiêu chí quan sát, $\sigma_{Y_i}^2$ là phương sai của tiêu chí $i$, và $\sigma_X^2$ là tổng phương sai của toàn bộ thang đo.

Đoạn mã Python thực hiện tiền xử lý dữ liệu và kiểm định độ tin cậy thang đo thực nghiệm:

import numpy as np
import pandas as pd

def calculate_cronbach_alpha(df: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập dữ liệu khảo sát."""
    item_scores = df.values
    item_vars = item_scores.var(axis=0, ddof=1)
    total_score = item_scores.sum(axis=1)
    total_var = total_score.var(ddof=1)
    k = item_scores.shape[1]
    if total_var == 0 or k <= 1:
        return 0.0
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

# Dữ liệu khảo sát mẫu thực nghiệm thuộc tính chính sách quản lý (45 DN du lịch)
policy_survey_data = pd.DataFrame({
    'prompt_delivery': [3, 2, 4, 3, 2, 3, 3, 2, 4, 3, 2, 3, 2, 3, 4, 2, 3, 3, 2, 3, 
                        3, 2, 4, 3, 2, 3, 3, 2, 4, 3, 2, 3, 2, 3, 4, 2, 3, 3, 2, 3, 3, 2, 3, 4, 3],
    'clarity_completeness': [4, 3, 3, 4, 3, 4, 3, 3, 4, 3, 4, 3, 3, 4, 3, 4, 3, 3, 4, 3, 
                             4, 3, 3, 4, 3, 4, 3, 3, 4, 3, 4, 3, 3, 4, 3, 4, 3, 3, 4, 3, 3, 4, 3, 4, 3],
    'fairness_no_barrier': [4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 
                            4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 3, 4, 4, 4, 3, 4, 4, 3],
    'non_overlapping': [3, 3, 4, 3, 3, 3, 3, 4, 3, 3, 3, 3, 4, 3, 3, 3, 3, 4, 3, 3, 
                        3, 3, 4, 3, 3, 3, 3, 4, 3, 3, 3, 3, 4, 3, 3, 3, 3, 4, 3, 3, 3, 3, 4, 3, 3]
})

alpha_val = calculate_cronbach_alpha(policy_survey_data)
mean_scores = policy_survey_data.mean().to_dict()

print(f"Hệ số Cronbach's Alpha đạt: {alpha_val:.4f} (Đạt chuẩn tin cậy > 0.70)")
for item, score in mean_scores.items():
    print(f"- Tiêu chí '{item}': Điểm trung bình = {score:.2f}")

Testing và validation

Kết quả phân tích thống kê thu thập từ các bên liên quan được chuẩn hóa và kiểm định nghiêm ngặt:

Bảng kết quả khảo sát nhận thức về chính sách & quản lý nhà nước (Mẫu: 45 DN & 25 Cán bộ):

Nhóm tiêu chí đánh giá Điểm TB Doanh nghiệp ($\bar{X}_{DN}$) Điểm Mode ($M_{DN}$) Điểm TB Cán bộ ($\bar{X}_{CB}$) Điểm Mode ($M_{CB}$) Độ lệch chuẩn ($\sigma$) Đánh giá kiểm định
Văn bản ban hành kịp thời 2.90 2 3.30 3 0.84 Mức độ chuyển tải còn chậm, lưu hành nội bộ
Hướng dẫn rõ ràng, dễ hiểu 3.35 3 3.33 3 0.72 Đạt mức trung bình khá
Không gây khó khăn, công bằng 3.60 4 3.70 4 0.65 Đạt mức độ hài lòng tương đối cao
Văn bản không bị chồng chéo 3.10 2 3.47 3 0.79 Còn tình trạng chồng chéo thủ tục liên ngành 
BIỂU ĐỒ SO SÁNH ĐIỂM ĐÁNH GIÁ TRUNG BÌNH (DOANH NGHIỆP VS CÁN BỘ DMO)
  5.0 |
  4.0 |                  [3.60] [3.70]
  3.0 |  [2.90] [3.30]   [3.35] [3.33]   [3.10] [3.47]
  2.0 |
  1.0 +-------------------------------------------------
        Kịp thời        Rõ ràng         Công bằng       Không chồng chéo
        [DN]   [CB]     [DN]   [CB]     [DN]   [CB]     [DN]    [CB]

Kết quả đạt được

  1. Về lượng hóa thị trường: Đánh giá chi tiết sự phân bổ 447 cơ sở lưu trú (9.939 phòng) với 2 khách sạn 5 sao, 7 khách sạn và 1 căn hộ 4 sao, 5 khách sạn 3 sao, 37 khách sạn 2 sao, 45 khách sạn 1 sao. Số lượng hướng dẫn viên du lịch đạt 610 người (268 thẻ quốc tế, 342 thẻ nội địa).
  2. Về khắc phục tính mùa vụ: Chứng minh tác động đột phá của công trình cầu vượt biển Tân Vũ - Lạch Huyện năm 2017 giúp lượng khách đến Cát Bà đạt 2.000.000 lượt (tăng 25,43% so với 2016), khách quốc tế đạt 477.500 lượt (tăng 23,96%), phá vỡ thế cô lập mùa đông.
  3. Về nhận diện tài nguyên độc bản: Định vị 10 hạt nhân du lịch trọng yếu gồm: Bãi biển Đồ Sơn, Vườn quốc gia Cát Bà (Khu dự trữ sinh quyển thế giới UNESCO 2004 rộng 15.200 ha), Vịnh Lan Hạ (7.000 ha), Tháp Tường Long, Bến tàu không số K15, Đảo Dấu, Núi Voi, Biệt thự Bảo Đại, Đình Ngọc Xuyên và mạng lưới ẩm thực hải sản đặc trưng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn mang tính hệ thống so với các công trình trước đây:

Thuộc tính so sánh Nghiên cứu Thắng cảnh Ngũ Hành Sơn (Phùng Văn Thành, 2014) Nghiên cứu VQG Bạch Mã (Nguyễn Thị Việt Hà, 2015) Đề tài Du lịch Hải Phòng (Trần Thị Thúy, 2018)
Quy mô điểm đến Điểm di tích đơn lẻ cấp quận/huyện Vườn quốc gia sinh thái chuyên biệt Quần thể đô thị - biển đảo - công nghiệp liên vùng
Phương pháp đo lường Khảo sát mô tả đơn biến Thống kê tần số cơ bản Kết hợp phân tích cấu trúc Likert, khảo sát kép (Du khách + Lữ hành + Doanh nghiệp + DMO)
Tính ứng dụng hạ tầng Không đề cập hạ tầng giao thông lớn Tiếp cận hạ tầng đường bộ đơn thuần Tích hợp tác động của mạng lưới cao tốc, Cảng biển Lạch Huyện và Cảng hàng không quốc tế 4E
Độ bao phủ chuỗi giá trị Tham quan tâm linh thuần túy Du lịch sinh thái, trekking Đa sản phẩm: Sinh thái biển, MICE, Văn hóa lịch sử, Nghỉ dưỡng, Ẩm thực đô thị

Các giá trị đổi mới kỹ thuật nổi bật:

  • Mô hình hóa khoảng cách nhận thức (Perception Gap): Phát hiện độ trễ thông tin chính sách du lịch giữa cơ quan nhà nước và doanh nghiệp tư nhân đạt mức sai lệch $0.40$ điểm trên thang đo Likert (2.90 so với 3.30).
  • Lượng hóa sự sẵn sàng hạ tầng: Xác định mức độ đáp ứng hạ tầng đô thị cho du lịch mua sắm chỉ đạt 78%, là cơ sở dữ liệu xác thực để Sở Du lịch kiến nghị bổ sung 4 tổ hợp trung tâm thương mại lớn giai đoạn 2018 - 2020.
  • Tiên phong tích hợp dữ liệu kinh tế vĩ mô: Kết hợp phân tích chỉ số GRDP tăng 14,01% với chỉ số tăng trưởng du lịch 13,65% để chứng minh du lịch là ngành kinh tế mũi nhọn thúc đẩy chuyển dịch cơ cấu.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Use Cases)

[Khách du lịch Quốc tế / Nội địa]
        | (Truy cập Cổng số DMO & Booking trực tuyến)
        v
[Hạ tầng Giao thông Đa phương thức] (Sân bay Cát Bi 4E -> Cao tốc -> Cầu Tân Vũ)
        |
        +---> Tuyến 1: Hải Phòng City Tour (Văn hóa, Di tích, Ẩm thực Food Tour)
        |
        +---> Tuyến 2: Nghỉ dưỡng biển Đồ Sơn - Hòn Dấu Resort - Casino
        |
        +---> Tuyến 3: Du lịch sinh thái Cát Bà - Vịnh Lan Hạ - Vườn Quốc gia
  • Kịch bản 1: Điều tiết dòng khách du lịch thông minh. Hệ thống DMO phân luồng lưu lượng khách từ đất liền ra Cát Bà qua phà Gót và cầu vượt biển, kết hợp cảnh báo tải trọng sinh thái tại Vịnh Lan Hạ nhằm bảo vệ 7.000 ha mặt nước tự nhiên.
  • Kịch bản 2: Số hóa chuỗi cung ứng dịch vụ ẩm thực và lưu trú. Triển khai chuẩn hóa menu điện tử đa ngôn ngữ, mã QR truy xuất nguồn gốc tại 190 cơ sở dịch vụ ăn uống đạt chuẩn (tăng từ 150 cơ sở năm 2013 lên 190 cơ sở năm 2017).

Hiệu quả kinh tế và lộ trình mở rộng (ROI & Roadmap)

  • Ước tính hiệu quả kinh tế (Cost-Benefit Analysis):
    • Chi phí đầu tư chuẩn hóa dữ liệu & hạ tầng số DMO: ~1,5 tỷ VNĐ.
    • Doanh thu du lịch kỳ vọng tăng trưởng thêm: 15 - 18%/năm (đạt mốc trên 3.500 tỷ VNĐ vào năm 2020).
    • Thời gian hoàn vốn đầu tư xã hội (Social ROI): Dưới 14 tháng thông qua tăng mức chi tiêu bình quân đầu người từ 390.000 VNĐ lên 650.000 VNĐ/ngày.
LỘ TRÌNH TRIỂN KHAI NÂNG CAO HÌNH ẢNH ĐIỂM ĐẾN (2018 - 2022)
  [2018 - 2019] : Chuẩn hóa Bảng hỏi & Hệ thống hóa Dữ liệu DMO
        |
        v
  [2019 - 2020] : Số hóa Cổng thông tin Đa ngữ & Liên kết Tuyến Hà Nội - HP - QN
        |
        v
  [2021 - 2022] : Vận hành Hệ thống Giám sát Phản hồi Thời gian thực & AI Sentiment

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  • Quy mô mẫu phân tầng: Cỡ mẫu khảo sát thực địa (138 du khách và 87 doanh nghiệp lữ hành) phản ánh tốt xu hướng tổng thể nhưng chưa bóc tách chuyên sâu theo từng quốc tịch cụ thể (châu Âu, Đông Á, Bắc Mỹ).
  • Phương pháp thu thập: Chủ yếu dựa trên bảng hỏi giấy và phỏng vấn trực tiếp, chưa tích hợp công cụ khai phá dữ liệu lớn (Big Data Scraping) từ các mạng xã hội như Facebook, Instagram hay TripAdvisor.

Hướng nghiên cứu và nâng cấp tương lai

  1. Phát triển Dashboard DMO thời gian thực: Xây dựng hệ thống tự động quét (Web Crawler) và phân tích cảm xúc (Sentiment Analysis) từ đánh giá của du khách toàn cầu trên Google Maps và TripAdvisor về các điểm đến Hải Phòng.
  2. Mô hình hóa dự báo sức chứa du lịch (Tourism Carrying Capacity): Ứng dụng mô hình học máy dự báo quá tải cục bộ tại Vườn quốc gia Cát Bà và bãi biển Đồ Sơn trong các dịp cao điểm Lễ hội Hoa phượng đỏ.
  3. Mở rộng hệ sinh thái du lịch thông minh (Smart Tourism Platform): Tích hợp bản đồ số GIS di sản văn hóa tâm linh (Quần thể Bạch Đằng Giang, Tràng Kênh, Đình Ngọc Xuyên).

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                  MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN                      |
+-------------------+-----------------------------------------------------+
| Sinh viên         | Bộ dữ liệu mẫu thực tế, phương pháp khảo sát chuẩn  |
| Nhà phân tích     | Code mẫu phân tích Alpha, Schema DB quản trị DMO    |
| Doanh nghiệp      | Dữ liệu Insight khách hàng, tối ưu sản phẩm tour    |
| Cơ quan Quản lý   | Bằng chứng thực nghiệm (Empirical Evidence) ra CS   |
+-------------------+-----------------------------------------------------+
  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, thiết kế bảng hỏi Likert và phân tích dữ liệu du lịch thực tế.
  • Chuyên viên phân tích dữ liệu & Kỹ sư hệ thống: Tiếp cận mô hình thực thi mã nguồn Python đo lường Cronbach's Alpha, cấu trúc cơ sở dữ liệu quan hệ cho bài toán Destination Marketing.
  • Doanh nghiệp lữ hành & Lưu trú: Nắm bắt chính xác khoảng trống dịch vụ (mua sắm chỉ đạt 78% hài lòng hạ tầng) để thiết kế các gói combo tour liên kết đất liền - hải đảo chất lượng cao.
  • Cơ quan quản lý DMO (Sở Du lịch Hải Phòng): Sở hữu căn cứ thực nghiệm để tái cấu trúc kênh phân phối văn bản chính sách (khắc phục mức điểm thấp 2.90) và hoạch định ngân sách quảng bá quốc tế.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình phân tích dữ liệu điểm đến này là gì?

Để chạy toàn bộ đường ống phân tích (Analytics Pipeline), hệ thống cần môi trường máy trạm tối thiểu: CPU Intel Core i3 / AMD Ryzen 3 trở lên, 4GB RAM, ổ cứng trống 10GB, cài đặt Python 3.9+ (với các thư viện Pandas, NumPy, Scipy, Factor-Analyzer) hoặc phần mềm IBM SPSS Statistics phiên bản từ 20.0 trở lên. Cơ sở dữ liệu yêu cầu PostgreSQL 13+ hoặc MySQL 8.0+.

2. Giới hạn mở rộng quy mô (Scalability Limits) của nghiên cứu nằm ở đâu và giải pháp xử lý?

Mô hình khảo sát thủ công bị giới hạn khi số lượng mẫu vượt quá 5.000 phiếu do chi phí nhập liệu và làm sạch dữ liệu tăng theo cấp số cộng. Giải pháp mở rộng là chuyển đổi hoàn toàn sang biểu mẫu số hóa (Digital Survey Form) tích hợp API đẩy trực tiếp dữ liệu vào bảng image_evaluations trong PostgreSQL và tự động kích hoạt script tính toán định kỳ.

3. Phương pháp tích hợp kết quả nghiên cứu vào cổng thông tin du lịch hiện hữu của Hải Phòng?

Kết quả phân tích có thể xuất ra dưới dạng các điểm số chuẩn hóa (JSON format) thông qua các RESTful API endpoints xây dựng bằng FastAPI. Cổng thông tin du lịch thành phố có thể gọi trực tiếp API này để cập nhật chỉ số tín nhiệm của từng điểm tham quan (như Đồ Sơn, Cát Bà, Vịnh Lan Hạ) lên giao diện người dùng.

4. Nhu cầu bảo trì và hiệu chỉnh mô hình định kỳ như thế nào?

Mô hình thang đo đánh giá hình ảnh điểm đến cần được tái kiểm định độ tin cậy ($\alpha$) và phân tích nhân tố khám phá (EFA) theo chu kỳ 12 tháng/lần. Khi thị hiếu du khách hoặc hạ tầng giao thông thay đổi lớn (ví dụ: mở thêm đường bay quốc tế mới), bộ câu hỏi cần được bổ sung thêm các biến quan sát mới.

5. Chi phí triển khai và thời gian đạt điểm hòa vốn (ROI Timeline) là bao lâu?

Tổng chi phí triển khai hệ thống quản trị dữ liệu DMO ước tính 1,5 tỷ VNĐ (bao gồm khảo sát số hóa, thiết lập phần mềm và đào tạo nhân sự). Với mức tăng trưởng doanh thu du lịch dự kiến 15%/năm trên quy mô doanh thu toàn thành phố đạt trên 2.700 tỷ VNĐ, thời gian thu hồi vốn đầu tư xã hội ước tính dưới 14 tháng thông qua thuế và thặng dư chi tiêu du khách.

Kết luận

Khóa luận tốt nghiệp "Phân tích hình ảnh điểm đến du lịch thành phố Hải Phòng" của tác giả Trần Thị Thúy đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc kết hợp giữa lý luận quản lý điểm đến hiện đại và phân tích thực nghiệm định lượng sâu sắc. Đề tài đã phản ánh bức tranh toàn cảnh về du lịch Hải Phòng trong giai đoạn bứt phá kinh tế: từ quy mô 6,7 triệu lượt khách, doanh thu 2.727,35 tỷ đồng, công suất vận tải của sân bay Cát Bi và hạ tầng vượt biển, cho đến các điểm nghẽn trong công tác truyền thông chính sách (điểm trung bình 2.90) và hạ tầng mua sắm (78%).

Những đóng góp thực nghiệm của nghiên cứu không chỉ cung cấp luận cứ khoa học vững chắc cho các nhà hoạch định chính sách du lịch Hải Phòng đến năm 2020 và tầm nhìn 2030, mà còn kiến tạo một khung phương pháp luận chuẩn xác cho các nhà nghiên cứu tiếp theo. Để tối ưu hóa hiệu quả ứng dụng, các đơn vị quản lý DMO và doanh nghiệp lữ hành cần nhanh chóng ứng dụng công nghệ số hóa dữ liệu nhận thức du khách, mở rộng sản phẩm du lịch 4 mùa và nâng tầm thương hiệu thành phố Hoa phượng đỏ trên bản đồ du lịch quốc tế.